過去一年多，開放權重模型與封閉式前沿模型之間的能力差距，並沒有持續擴大。根據 OpenRouter 的觀察，頂尖開放權重模型大致維持在前沿模型後方約 3 至 6 個月，但成本通常低得多。
當企業開始大量導入 AI Agent、程式開發助理、文件分析與多模態工作流程時，模型選擇已不再只是比較排行榜分數，而是必須同時考量：
截至 2026 年 6 月，最值得企業與開發團隊關注的開放權重模型，主要包括以下四款。
DeepSeek V4 Flash 最重要的意義，在於它讓開放權重模型真正進入企業級 AI Agent 工作流程。
過去許多開放模型雖然在測試排行榜上表現不錯，但實際放進長時間執行的 Agent、程式碼修復或自動化開發流程後，穩定性仍難以取代 OpenAI 或 Anthropic 的前沿模型。DeepSeek V4 Flash 則首次讓不少團隊願意直接將它視為可行替代方案。
DeepSeek V4 Pro 在 SWE-bench Verified 上取得約 80.6% 的成績，而規模較小的 Flash 版本仍能達到約 79%，兩者差距相當有限。因此，對多數實際應用而言，Flash 版本通常具有更好的成本效益。
OpenRouter 在 2026 年 6 月統計的加權平均價格約為：
| 項目 | 每百萬 Token 價格 |
|---|---|
| 輸入 | US$0.054 |
| 輸出 | US$0.242 |
DeepSeek 第一方 API 的價格甚至更低，但其服務條款允許將資料用於模型訓練，而且資料可能經由中國境內處理。
若企業對資料治理有較高要求，可以選擇 Fireworks、Together 或 DeepInfra 等第三方服務商。價格通常較高，但能提供不使用客戶資料訓練模型的選項。
DeepSeek V4 Flash 適合：
DeepSeek V4 Flash 目前主要為純文字模型，不支援圖片或影片輸入。此外，它較偏向技術工作，在一般文章寫作、語氣掌握與模糊任務判斷方面，可能不如 Anthropic 系列模型自然。
實際使用時，建議提供明確的工作範圍、輸出格式、驗收標準與限制條件，而不是完全依賴模型自行判斷。
如果 DeepSeek V4 Flash 的核心優勢是價格，那麼 GLM 5.2 的優勢就是規劃品質與長時間任務執行能力。
根據 Artificial Analysis Intelligence Index v4.1，GLM 5.2 的指數為 51，在當時的開放權重模型中排名第一，高於 NVIDIA Nemotron 3 Ultra、MiniMax M3、DeepSeek V4 Pro 與 Kimi K2.6。
GLM 5.2 特別擅長：
它的定位並不是最便宜的模型，而是目前最接近高階封閉模型 Agentic Coding 體驗的開放權重選項。
OpenRouter 的加權平均價格約為：
| 項目 | 每百萬 Token 價格 |
|---|---|
| 輸入 | US$0.447 |
| 輸出 | US$3.31 |
平均輸出速度最高約為每秒 78 Token。
雖然每 Token 價格仍低於部分高階封閉模型，但 GLM 5.2 在複雜任務中會使用較多推理 Token。因此，實際執行成本可能比表面價格更高。
GLM 5.2 適合：
GLM 5.2 同樣是純文字模型，不支援圖片與影片輸入。由於模型發布時間較短，不同服務商的推論品質、速度與上下文支援程度可能存在差異。
企業正式導入前，應針對預計使用的服務商進行完整壓力測試與品質驗證。
MiniMax M3 是這四款模型中唯一原生支援文字、圖片與影片輸入的模型。
如果 AI Agent 需要理解螢幕截圖、網頁介面、流程圖、設計稿、文件圖片或影片內容，MiniMax M3 是最值得優先測試的開放權重模型。
MiniMax M3 採用 MiniMax Sparse Attention 技術，透過稀疏注意力機制降低超長上下文的計算成本，使模型能更實際地處理完整程式碼庫、長篇文件與大量圖片內容。
OpenRouter 的加權平均價格約為：
| 項目 | 每百萬 Token 價格 |
|---|---|
| 輸入 | US$0.098 |
| 輸出 | US$1.21 |
當上下文超過 51.2 萬 Token 時，價格可能提高。
MiniMax M3 的單價雖然不高，但模型可能產生較長的推理與輸出內容，因此仍需觀察每次完整任務的總成本。
MiniMax M3 適合：
MiniMax M3 並非採用 MIT License，而是使用 MiniMax Community License。
商業使用通常需要保留指定的聲明或標示，較大型的商業產品可能還需要事先取得書面授權。因此，企業導入前必須由法務或授權管理人員確認使用條件。
NVIDIA Nemotron 3 Ultra 的重要性不只在模型能力，而在於它背後完整的 NVIDIA 軟硬體生態系。
它是目前最具代表性的美國開放權重模型之一，適合重視部署控制、資料治理、供應商可信度與 NVIDIA 基礎設施整合的企業。
除了模型權重外，NVIDIA 也提供訓練資料、訓練方法、評測工具與強化學習基礎設施，讓企業不只能使用模型，也能進一步進行客製化與內部部署。
OpenRouter 的加權平均價格約為：
| 項目 | 每百萬 Token 價格 |
|---|---|
| 輸入 | US$0.423 |
| 輸出 | US$2.61 |
OpenRouter 也提供免費路由，可用於功能測試與概念驗證。不過，免費服務通常無法提供正式環境所需的服務品質保證，因此不適合直接作為正式產品的核心推論來源。
Nemotron 3 Ultra 適合：
Nemotron 3 Ultra 是純文字模型，不支援圖片與影片輸入。若只比較最頂尖的程式開發能力，GLM 5.2 或 DeepSeek 系列可能更有優勢。
但若企業已採用 NVIDIA GPU、NIM、CUDA 或 AI Enterprise，Nemotron 3 Ultra 能提供更完整且一致的部署體驗。
| 模型 | 主要優勢 | AA Intelligence Index | 輸入價格／百萬 Token | 輸出價格／百萬 Token | 約略速度 | 多模態 |
|---|---|---|---|---|---|---|
| DeepSeek V4 Flash | 極佳成本效益、Agentic Coding | 40 | US$0.054 | US$0.242 | 84 tok/s | 不支援 |
| GLM 5.2 | 規劃能力、長時間程式開發 | 51 | US$0.447 | US$3.31 | 78 tok/s | 不支援 |
| MiniMax M3 | 圖片、影片與長上下文 | 44 | US$0.098 | US$1.21 | 59 tok/s | 支援 |
| Nemotron 3 Ultra | NVIDIA 生態系與企業部署 | 48 | US$0.423 | US$2.61 | 75 tok/s | 不支援 |
價格與效能數據為 OpenRouter 於 2026 年 6 月統計的不同服務商加權平均值，實際價格會因供應商、上下文長度、快取策略與部署方式而異。
企業不應只依照排行榜分數選擇模型，而應根據實際工作負載進行判斷。
選擇 DeepSeek V4 Flash。
它適合大量程式碼生成、自動化任務與高頻率 API 呼叫，可以用相對低廉的成本取得接近前沿模型的 Agentic Coding 能力。
選擇 GLM 5.2。
它較適合大型專案、系統架構、Repository 級重構與需要長時間規劃的 Agent。
選擇 MiniMax M3。
它是目前四款模型中唯一具備原生圖片與影片理解能力的模型，特別適合 UI Agent、文件理解與多模態自動化。
選擇 NVIDIA Nemotron 3 Ultra。
它適合重視資料控制、供應商背景、私有化部署與 NVIDIA 軟硬體整合的企業。
2026 年的開放權重模型，已經不再只是低成本或實驗性替代方案。
DeepSeek V4 Flash 證明了開放模型可以實際承擔前沿等級的 Agentic Coding 工作；GLM 5.2 將開放模型的長時間規劃與程式開發能力推向新的高度；MiniMax M3 提供了兼具長上下文與多模態能力的選擇；NVIDIA Nemotron 3 Ultra 則建立了完整的美國企業級開放模型方案。
封閉式前沿模型目前仍然具有一定優勢，但差距並不大，而且沒有明顯持續擴大的趨勢。對企業而言，真正重要的問題已經不是「哪個模型排行榜最高」，而是：
最可靠的選擇方式，仍然是使用企業自己的文件、程式碼、Agent 流程與驗收標準進行實測，而不是單純依賴公開排行榜。
本文根據 OpenRouter 於 2026 年 6 月 27 日發布的〈The Open Weight Models that Matter: June 2026〉整理與改寫。模型價格與速度為 OpenRouter 在 2026 年 6 月的服務商加權平均資料，模型能力指數來自 Artificial Analysis Intelligence Index v4.1。
OpenAi 官方的Strea...